ИИ обнаружил 86 000 скрытых землетрясений под Йеллоустоном

Машинное обучение помогло обнаружить множество скрытых землетрясений под Йеллоустоном, выявив сложные паттерны сейсмических роёв и неровные подземные разломы. Фото: Shutterstock

Йеллоустон — популярное туристическое направление и место действия одноимённого сериала — стал первым национальным парком США. Под его поверхностью до сих пор бурлит одна из самых сейсмически активных вулканических систем на планете.

В новом исследовании, опубликованном 18 июля в журнале Science Advances, профессор Бинг Ли из Университета Западного Онтарио и его коллеги из Университета Сантандера (Колумбия) и Геологической службы США применили машинное обучение для повторного анализа исторических данных о землетрясениях в кальдере Йеллоустона за 15-летний период. Команда смогла ретроспективно обнаружить и определить магнитуду примерно в 10 раз больше сейсмических событий, чем было зафиксировано ранее.

Кальдера — как та, что расположена в Йеллоустонском парке на территории Вайоминга, Айдахо и Монтаны — это крупная впадина, образующаяся после извержения вулкана, когда опустевшая магматическая камера приводит к обрушению поверхности. Это отличается от вулканического кратера, который формируется в результате выброса материала наружу.

Теперь исторический каталог землетрясений Йеллоустонской кальдеры содержит 86 276 событий за период с 2008 по 2022 год, что значительно улучшает понимание вулканических и сейсмических систем благодаря более точному сбору данных и систематическому анализу.

Ключевым открытием стало то, что более половины зафиксированных землетрясений в Йеллоустоне были частью «роёв» — групп небольших взаимосвязанных толчков, распространяющихся на относительно небольшой площади за короткий промежуток времени. Это отличается от афтершоков — более слабых землетрясений, следующих за основным толчком в той же области.

«Хотя Йеллоустон и другие вулканы имеют уникальные особенности, мы надеемся, что эти данные можно применить и в других местах», — сказал Ли, эксперт по вызванным жидкостью землетрясениям и механике горных пород. «Понимая паттерны сейсмичности, такие как рои землетрясений, мы можем улучшить меры безопасности, информировать общественность о потенциальных рисках и даже направлять разработку геотермальной энергии в безопасные зоны с перспективным тепловым потоком».

Машины, обнаруживающие магму

До внедрения машинного обучения землетрясения в основном обнаруживались вручную обученными экспертами. Этот процесс требовал времени, был затратным и часто выявлял меньше событий, чем сейчас с помощью ИИ. Машинное обучение вызвало настоящую «золотую лихорадку» в сейсмологии, позволяя переанализировать огромные массивы исторических данных, хранящихся в дата-центрах по всему миру, и узнать больше о ранее неизвестных сейсмических зонах.

«Если бы нам пришлось делать это по-старому, вручную просматривая все данные в поисках землетрясений, это было бы невозможно. Такой подход не масштабируется», — отметил Ли.

Исследование также показало, что рои землетрясений под Йеллоустонской кальдерой происходят вдоль относительно «молодых» и неровных разломов по сравнению с более зрелыми структурами, например, в Южной Калифорнии или за пределами самой кальдеры.

Неровность измерялась с помощью фракталов — геометрических фигур, сохраняющих самоподобие на разных масштабах. Впервые визуализированные Бенуа Мандельбротом в 1980 году, фрактальные паттерны встречаются в береговых линиях, снежинках, брокколи и даже в разветвлениях кровеносных сосудов. Фрактальные модели позволили охарактеризовать эти рои землетрясений, которые, по мнению учёных, вызваны сочетанием медленно движущихся подземных вод и внезапных выбросов жидкости.

«Во многом у нас нет систематического понимания, как одно землетрясение запускает другое в рое. Мы можем лишь косвенно измерить пространство и время между событиями», — пояснил Ли. «Но теперь у нас есть гораздо более полный каталог сейсмической активности под Йеллоустонской кальдерой, и мы можем применять статистические методы, чтобы находить новые рои, изучать их и извлекать уроки».

Источники: sciencedaily.com, University of Western Ontario